【数据库】【Redis】数据结构全景图：命令、场景与避坑指南

Redis 数据结构全景表格

一、String（字符串）

1.核心命令

# 基础操作SET key value[EX seconds][NX|XX]# NX=不存在才设置（分布式锁），XX=存在才更新GET key DEL key# 数值操作（原子性）INCR key# 原子自增（计数器）INCRBY key100# 增加指定值DECR key SETNX key value# 等价于 SET key value NX# 批量操作MSET key1 val1 key2 val2# 批量设置（原子性）MGET key1 key2# 批量获取# 高级SETEX key60value# 设置并带过期（原子）GETSET key newvalue# 设置新值并返回旧值STRRLEN key# 获取字符串长度

2.使用场景

• 缓存热点数据：SET user:1001 “{name:‘tom’,age:25}” EX 3600
• 分布式锁：SET lock:order:1001 “uuid” NX EX 30
• 计数器：INCR page:view:home（原子，无竞态）
• 全局唯一 ID：INCR global:order:id

3.注意点

• 值最大 512MB，避免存储大对象（BigKey 问题）
• 数值范围：有符号 64 位整数（-2^63 ~ 2^63-1）
• SETNX 非原子：SETNX + EXPIRE 分两步，可能死锁，用 SET key value NX EX 30 替代
• **避免 KEYS **：生产环境禁用，用 SCAN 0 MATCH user:COUNT 100 替代

二、List（列表）

1.核心命令

# 左右插入（栈/队列）LPUSH list:a value1 value2# 从左侧插入（栈：后进先出）RPUSH list:a value3# 从右侧插入（队列：先进先出）# 弹出LPOP list:a# 左侧弹出RPOP list:a# 右侧弹出BLPOP list:a10# 阻塞弹出（10秒超时），用于消息队列# 范围查询LRANGE list:a0-1# 获取全部元素LRANGE list:a09# 获取前10个（注意：O(n)，大数据量慎用）# 长度LLEN list:a# 指定位置操作LINDEX list:a0# 获取索引0元素LSET list:a0newval# 设置索引0值LINSERT list:a BEFORE value2 value1.5# 插入LREM list:a2value# 删除前2个value

2.使用场景

• 消息队列：LPUSH + RPOP（生产者左插，消费者右弹）
• 最新列表：LPUSH news:latest “news1” + LTRIM news:latest 0 99（保留最新100条）
• 任务队列：BRPOP 阻塞消费
• 消息广播：多个消费者订阅同一 List（无 ACK 机制，消息可能被重复消费）

3.注意点

• LRANGE 0 -1 慎用：大 List 会阻塞 Redis（时间复杂度 O(n)）
• BigKey 问题：List 元素超过 5000 个视为 BigKey，需拆分
• 内存消耗：每个元素独立分配内存，小元素用 Hash 替代更省
• 无 ACK：消息弹出即删除，消费者崩溃会丢消息（Stream 可解决）

三、Set（集合）

1.核心命令

# 增删SADD set:a member1 member2 SREM set:a member1# 查询SMEMBERS set:a# 获取所有成员（O(n)，大 Set 慎用）SCARD set:a# 获取成员数量SISMEMBER set:a member1# 判断成员是否存在（O(1)）# 随机操作SRANDMEMBER set:a3# 随机获取3个成员（不删除）SPOP set:a# 随机弹出1个成员（删除）# 集合运算SINTER set:a set:b# 交集（共同好友）SUNION set:a set:b# 并集SDIFF set:a set:b# 差集（a 有但 b 没有）

2.使用场景

• 标签系统：SADD user:1001:tags “vip” “active” “buyer”
• 共同好友：SINTER user:1001:friends user:1002:friends
• 抽奖/随机：SRANDMEMBER 随机选取
• 去重：SADD 自动去重

3.注意点

• SMEMBERS 大 Set 危险：10 万成员的 Set 执行 SMEMBERS 会阻塞 1 秒以上
• 用 SSCAN 替代：SSCAN set:a 0 MATCH * COUNT 100
• 内存优化：整数集合（intset）编码可节省内存（所有成员为整数时自动启用）
• 交并集复杂度：SINTER/SUNION 时间复杂度 O(N*M)，大集合运算在客户端做

四、Sorted Set（ZSet，有序集合）

1.核心命令

# 添加（score 为 double 类型）ZADD zset:a100"player1"200"player2"150"player3"# 范围查询（按 score 排序）ZRANGE zset:a0-1 WITHSCORES# 升序获取全部ZREVRANGE zset:a09WITHSCORES# 降序获取 Top10# 按 score 范围查询ZRANGEBYSCORE zset:a100200WITHSCORES LIMIT010# 成员操作ZSCORE zset:a"player1"# 获取成员 scoreZINCRBY zset:a50"player1"# score 增加 50ZCARD zset:a# 成员数量# 排名ZRANK zset:a"player1"# 升序排名（从0开始）ZREVRANK zset:a"player1"# 降序排名（Top1 返回 0）# 删除ZREM zset:a"player1"ZREMRANGEBYRANK zset:a02# 删除排名 0-2 的成员ZREMRANGEBYSCORE zset:a0100# 删除 score 0-100 的成员

2.使用场景

• 排行榜：游戏积分、热销榜
• 延迟队列：ZADD delay_queue “task1” + 定时扫描
• 范围查询：成绩区间、价格区间
• 带权重的队列：优先级任务

// 延迟队列实现// 生产者ZADD delay_queue1704067200"task:email:1001"// 2024-01-01 执行// 消费者（定时任务）while(true){Set<String>tasks=ZRANGEBYSCORE delay_queue0NOW()LIMIT010;for(Stringtask:tasks){// 处理任务processTask(task);ZREM delay_queue task;// 移除}Thread.sleep(100);}

3.注意点

• 跳表实现：ZSet 底层是跳表 + Hash，内存占用较高（每个元素约 100 字节）
• BigKey 阈值：成员数 > 5000 为 BigKey
• ZREVRANGE 0 -1 慎用：O(n)，可能阻塞
• Score 精度：double 类型，大范围整数可能丢失精度
• 相同 Score：按字典序排序，不保证插入顺序

五、Hash（哈希表）

1.核心命令

# 单字段操作HSET user:1001 name"tom"age25HGET user:1001 name HDEL user:1001 age# 批量操作HMSET user:1001 name"tom"age25email"tom@example.com"HMGET user:1001 name age# 查询HGETALL user:1001# 获取所有字段（O(n)）HKEYS user:1001# 获取所有 keyHVALS user:1001# 获取所有 valueHLEN user:1001# 字段数量# 存在判断HEXISTS user:1001 name# 数值操作HINCRBY user:1001 age1# age 原子加 1

2.使用场景

• 对象存储：HSET user:1001 field value（比 String 序列化更灵活）
• 配置项：HSET config:app max_connections 100
• 购物车：HSET cart:1001 product:123 2 product:456 1（商品ID:数量）

3.注意点

• 小对象优化：Hash 的 ziplist 编码（字段 < 512 且每个值 < 64 字节）可节省内存
• HGETALL 大 Hash：可能导致 Redis 阻塞（O(n)），用 HSCAN 替代
• 内存占用：字段名重复存储（每个 Hash 独立），小对象适合，大对象用 String 压缩更优
• 不支持二级结构：Hash 的值只能是 String，不能嵌套 List/Set

六、Bitmap（位图）

1.核心命令

# 设置位SETBIT active:2024010110011# 用户1001 在 2024-01-01 活跃# 获取位GETBIT active:202401011001# 返回 0/1# 统计位数BITCOUNT active:20240101# 统计 1 的个数（日活）# 位运算BITOP AND result:3days active:20210101 active:20210102 active:20210103# 3日留存用户BITOP OR result:active active:20210101 active:20210102# 两日总活跃

2.使用场景

• 日活统计：SETBIT + BITCOUNT，内存占用极低（1 亿用户 = 12.5MB）
• 用户签到：SETBIT sign:1001:202401 0 1（0 表示第 1 天）
• 权限系统：SETBIT permissions:admin 1001 1（用户1001有管理员权限）
• 去重：SETBIT seen:page 1001 1（标记用户1001访问过页面）

3.注意点

• 位数限制：2^32 位（约 42.9 亿），足够大多数场景
• SETBIT 返回旧值：注意返回值是之前的位值（0 或 1）
• BITCOUNT 范围：可指定字节范围 BITBIT key start end
• 线程安全：位操作是原子的，无需担心并发
• **内存：Bitmap 是 String 实现：最大 512MB，存储约 40 亿位

七、HyperLogLog（基数统计）

1.核心命令

# 添加元素PFADD page:uv:20240101"user1""user2""user3"# 统计基数（去重后数量）PFCOUNT page:uv:20240101# 返回估算值# 合并多个 HLLPFMERGE result:uv page:uv:20240101 page:uv:20240102# 合并两日 UV

2.使用场景

• UV 统计：页面独立访客（误差率 0.81%）
• 去重计数：统计搜索关键词去重数
• 日活/月活：快速估算 DAU/MAU

3.注意点

• 误差率：标准误差 0.81%，不适合需要精确计数的场景（如金融）
• 固定内存：每个 HLL 占用 固定 12KB，与元素数量无关
• 无法获取原始数据：只能统计数量，无法返回具体元素
• PFADD 可重复：重复添加同一元素不影响计数

八、Geospatial（地理位置）

1.核心命令

# 添加坐标GEOADD cities116.4039.90"Beijing"121.4731.23"Shanghai"# 查询坐标GEOPOS cities"Beijing"# 计算距离（默认米）GEODIST cities"Beijing""Shanghai"km# 返回公里数# 查询半径内成员GEORADIUS cities116.4039.90100km# 北京100km内的城市GEORADIUSBYMEMBER cities"Beijing"100km# 以成员为中心查询# 获取哈希GEOHASH cities"Beijing"# 返回52位geohash字符串

2.使用场景

• 附近的人：查询 5km 内的用户
• 门店搜索：查找附近的餐馆、加油站
• 轨迹记录：存储用户移动轨迹

3.注意点

• 距离单位：默认为米，支持 km/m/mi/ft
• 坐标精度：有效经度 -180~180，纬度 -85~85
• 数据类型：底层是 ZSet，可用 ZSet 命令操作（但会破坏地理结构）
• 误差：地球建模为球体，有 0.5% 误差
• 性能：GEORADIUS 复杂度 O(N+log(m))，N 是半径内数量，m 是总成员数

九、Stream（消息流，Redis 5.0+）

1.核心命令

# 添加消息XADD stream:orders * user_id1001amount99.00# * 表示自动生成 ID（时间戳-序列号）# 读取消息XRANGE stream:orders - +# 读取所有消息XRANGE stream:orders1704067200000-01704153600000-0# 按时间范围# 阻塞读取（消费者）XREAD COUNT10BLOCK1000STREAMS stream:orders $# $ 表示只读取新消息，阻塞1000ms# 消费者组XGROUP CREATE stream:orders order_group $ MKSTREAM# 创建消费者组# 消费者读取（ACK 机制）XREADGROUP GROUP order_group consumer1 COUNT1BLOCK1000STREAMS stream:orders># 确认消息（ACK）XACK stream:orders order_group1704067200000-0# 未 ACK 消息查询XPENDING stream:orders order_group# 消息删除XDEL stream:orders1704067200000-0# 标记删除（非真正删除）

2.使用场景

• 可靠消息队列：替代 List，支持 ACK 和重试
• 事件溯源：存储用户行为事件流
• 流计算：实时统计订单金额

3.注意点

• ID 格式：毫秒时间戳-序列号（如 1704067200000-0），保证递增
• 消费者组：多个消费者共享消息（负载均衡），需 ACK 确认
• 消息积压：未 ACK 的消息会保留，可能导致内存膨胀
• 不支持删除中间消息：只能删除两端（XRANGE 后惰性删除）
• Stream 不是 Kafka：不支持分区副本，单机容量有限

十、通用注意事项（所有数据结构）

1. BigKey 问题

# 识别 BigKeyredis-cli --bigkeys# 阈值String: value>10KB List/Set/ZSet/Hash: 元素数>5000

• 危害：删除、查询操作会阻塞 Redis（时间复杂度 O(n)）
• 解决：拆分、压缩、异步删除（UNLINK 命令）

2. 慢查询

CONFIG SET slowlog-log-slower-than10000# 超过 10ms 记录SLOWLOG GET10# 查看慢查询

• 常见慢操作：KEYS *、FLUSHALL、LRANGE 0 -1、HGETALL 大 Hash

3. 过期策略

# 设置过期EXPIRE key60# 60秒后过期SETEX key60value# 原子设置+过期PERSIST key# 移除过期# 淘汰策略（maxmemory-policy）noeviction# 不淘汰，返回错误（默认）allkeys-lru# 所有 key LRU 淘汰volatile-lru# 仅过期 key LRU 淘汰allkeys-random# 随机淘汰volatile-ttl# 淘汰 TTL 短的

4. 事务

# MULTI/EXEC 打包命令（非原子性，仅排队）MULTI SET a1SET b2EXEC# 一起执行，但中间可能被其他命令插入# WATCH 实现乐观锁WATCH balance MULTI DECRBY balance100INCRBY points10EXEC# 如果 balance 被修改，EXEC 返回 nil（回滚）

注意：Redis 事务不支持回滚，命令语法错误会全部失败，运行时错误会继续执行后续命令

5. Lua 脚本（原子操作）

-- 原子执行，保证多个命令不被打断 EVAL"if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end"1lock:order:1001"uuid"

6. 数据一致性

• 缓存与 DB 不一致：更新 DB 后删除缓存（非更新缓存），或 Canal 监听 Binlog
• 主从延迟：从库读取可能读到旧数据，重要读走主库

7. 客户端

• 连接池：Jedis 需配置连接池，Lettuce 基于 Netty 自动管理
• 管道（Pipeline）：批量操作减少 RTT

Pipeline pipeline=jedis.pipelined();for(int i=0;i<1000;i++){pipeline.set("key"+ i,"value"+ i);}pipeline.sync();// 一次性发送

十一、数据结构选型决策树

存储单个值？ ├── 是 → String（缓存、计数器） │ 存储对象（多个字段）？ ├── 是 → Hash（用户资料、配置） │ 需要队列/栈？ ├── 是 → List（消息队列、最新列表） │ 需要去重集合？ ├── 是 → Set（标签、抽奖） │ 需要排序/排行榜？ ├── 是 → ZSet（积分排行） │ 需要判断存在性且数据量大？ ├── 是 → Bitmap（日活、签到） │ 需要估算去重数？ ├── 是 → HyperLogLog（UV） │ 需要地理位置？ ├── 是 → Geospatial（附近的人） │ 需要可靠消息队列？ └── 是 → Stream（带 ACK 的 MQ）

十二、总结

Redis 的数据结构是"为场景而生"：String 负责缓存计数，Hash 存储对象，List 实现队列，Set 去重，ZSet 排序，Bitmap 极致空间，HyperLogLog 估算去重，Geospatial 处理位置，Stream 支撑可靠消息。核心注意点是：避免 BigKey、警惕慢查询、理解内存编码、合理设置过期